雷鋒網(公眾號：雷鋒網)按：這裡是，雷鋒字幕組編譯的 SIGGRAPH 2018系列，帶你了解 Computer Vision 領域的最新研究成果。
原標題 ：SIGGRAPH 2018 Mode-Adaptive Neural Networks for Quadruped Motion Control
翻譯 | Binpluto 整理 | 凡江
四足動物的動畫製作是一項在計算機動畫方面懸而未解的關鍵問題，而這對遊戲，電影和機器人技術方面有著極大的意義。
本期論文提出了一種用於四足運動合成的新型數據驅動方法，並稱之為自適應神經網絡。該系統可以實現，根據控制命令產生逼真的運動動畫和穩定的轉換過程。與傳統的關鍵幀動畫不同，這項系統不需要單獨創建動畫剪輯或動畫圖形，而是能夠直接通過數據學習這些動畫。
由於四足動物的腳步類型複雜，標記運動模型通常需要專業知識和大量的數據來校準和預處理。
四足運動的數據採集通常也是非常不規則的，並且包括了一系列大偏差的運動。將標準神經網絡模型應用於這樣的數據可以重現典型的面部情緒，但是會導致明顯的滑動跡象造成不自然，或者是人工合成的跡象。
在這項研究中，研究人員開發了這個新型端對端學習架構，可以從大量的非結構化運動的採集數據中學習，通過隨機梯度下降法來訓練系統，運動數據包括坐，停止，躺，步行，踱步，小跑，慢跑，跳躍，轉身和站立。
在訓練之後，用戶可以交互式地實時控制運動特性並且啟動各種運動模式和動作，通過使用簡單的鍵盤控制命令 地面上的紅色和綠色箭頭 標示了運動控制信號，用於估計用戶想要導引的軌跡。
簡而言之，該論文提出了基於模式自適應神經網絡的實時 Quattro（四輪驅動系統 four -wheel system）和運動合成，這是第一個系統化近似構建一個數據驅動四驅衰減運動特性控制器的方法，產生字節上變化的運動模式動作和不同的轉換，這就可以實際使用的系統用於端對端非結構化運動捕捉數據，而不用為運動面或運動模型給出標籤，整個系統很流暢，該動畫演示非常自然。
Github：https://github.com/sebastianstarke/AI4Animation
論文原址：https://github.com/sebastianstarke/AI4Animation/blob/master/Media/SIGGRAPH_2018/Paper.pdf
雷鋒網雷鋒網
雷鋒網原創文章，未經授權禁止轉載。詳情見轉載須知。